【AI系列】Excel資料很多卻分析不動？問題可能出在第一步

Excel資料很多卻分析不動？問題可能出在第一步

主管丟來一份 Excel：

「幫我分析一下這份資料。」

打開一看，幾千筆甚至幾萬筆。

第一個念頭可能是：

要用什麼函數？

還是直接做樞紐分析？

但實際開始處理，才發現真正麻煩的事情還在前面。

同一個日期，有人填：

2026/09/01

有人填：

2026-9-1

甚至還有人直接輸入：

9月1日

數字欄位裡可能混著文字，產品名稱前後多了空格，同一個分類又有不同寫法。

這時候就算很會 Excel，也很難直接開始分析。

因為：

資料很多，不等於資料已經準備好被分析。

01｜分析以前，先問「這份資料能不能用？」

很多人想到數據分析，第一時間會想到圖表、函數或樞紐分析。

但真正開始以前，最好先檢查幾件事：

• 每一欄代表的意思清楚嗎？
• 日期、數字、文字的格式一致嗎？
• 有沒有空白、重複或錯誤資料？
• 同一件事情，有沒有出現不同寫法？

例如：

「台北」

「台北市」

「臺北」

如果三種寫法同時存在，Excel 在分析時可能把它們當成不同分類。

結果不是算不出來，而是：

算出來了，卻不一定是你真正想看的結果。

所以資料分析的第一步，往往不是計算。

而是先讓資料變得一致、乾淨、可使用。

02｜每個月都做同樣的整理，不一定要一直手動做

假設每個月都會收到一份銷售明細。

每次都要：

刪除不需要的欄位、調整格式、拆分資料、合併內容、統一欄位……

第一次做，可能只是花一些時間。

但如果每個月都重做一次，同樣的整理工作就會一直重複。

這也是 Power Query 很適合發揮的地方。

它可以把資料匯入後的清理與轉換步驟建立起來。

當下一批結構相近的資料進來時，就不一定要重新從頭整理。

這時候真正省下來的，不只是幾次滑鼠操作。

而是把：

「每次都重新整理」

逐漸變成：

「建立可以重複使用的處理流程」。

03｜資料整理好，才輪到問「我要知道什麼？」

乾淨的資料只是起點。

接下來真正重要的是：

你想從這份資料知道什麼？

例如一份銷售資料，可以問：

• 哪個產品營收最高？
• 不同地區的銷售表現如何？
• 每個月份有什麼變化？
• 哪些客戶貢獻較高？

這時候，樞紐分析就能協助我們從大量明細中快速彙整。

函數則可以依照不同需求進行計算與判斷。

所以不是先問：

「這份資料可以用哪個 Excel 功能？」

而是先問：

「我想回答什麼問題？」

工具才知道該怎麼選。

04｜ChatGPT加入後，可以協助的不只是「寫公式」

ChatGPT 與 Excel 搭配時，很多人第一個想到的是：

請 AI 幫我寫函數。

這當然是一種用途。

但如果工作本身是在做數據分析，AI 可以參與的環節其實更多。

例如你可以描述：

我有一份銷售資料，日期格式不一致，希望統一後依月份分析各產品營收。

接下來，就可以依照實際資料與需求，進一步思考如何：

• 整理與轉換資料
• 產生需要的函數
• 協助 VBA 程式碼應用
• 建立分析所需的資料
• 分析上傳的檔案
• 整理分析結果與摘要

甚至把分析需求說清楚後，讓 ChatGPT 協助產生樞紐分析結果或活頁簿，再回到 Excel 檢查與調整。

這時 AI 的角色，就從單純「幫我寫一條公式」，往前走到：

協助完成數據工作的不同環節。

05｜AI可以加快分析，但問題還是要由人定義

把 Excel 檔案交給 ChatGPT，然後問：

「幫我分析。」

看起來很方便。

但這個問題其實非常大。

AI可能找到某些趨勢，也可能整理出一些摘要，但未必就是你真正需要的答案。

如果換成：

「比較今年各月份的產品營收，找出營收下降幅度較大的產品，並整理可能需要進一步確認的項目。」

任務就清楚很多。

所以 AI 加入工作之後，一項能力反而變得更重要：

把問題說清楚。

• 你要分析什麼？
• 比較什麼？
• 希望得到什麼結果？
• 最後要用這些結果做什麼？

Prompt 不只是「怎麼問 AI」的技巧。

更重要的是，先把自己的分析需求想清楚。

從一份原始資料，到可以拿來做判斷的分析結果

數據分析不只是學會一個函數、一張樞紐分析表，或把 Excel 丟給 ChatGPT。

更完整的流程是：

原始資料 → 清理轉換 → 彙整分析 → AI協作 → 檢查結果 → 解讀與應用

透過實機操作，練習的不只是「問 ChatGPT」，而是如何把 Excel 與 AI 放進真正的數據工作流程。

台北AI系列2026/12/22｜高效 ChatGPT 與 Excel 數據分析實戰營 → 點我報名